OpenAI首席研究官没有博士学位，你的985还有用吗？

这期的主要内容包括了以下几个方面：

ChatGPT 早期疯狂的传播
OpenAI 在产品开发上独特哲学
AI 在图像、代码等领域的最新突破和未来的发展方向
人才与应用
AI 带来的惊喜与未来的趋势

收看链接🔗指路➡️：https://www.youtube.com/watch?v=atXyXP3yYZ4

那闲话少说，我们直接开始分享。

ChatGPT：从“查无此名”到改变世界

命名的趣闻轶事

Nick Turley 在播客中分享到ChatGPT这个名字是发布前夜才仓促决定的，而且，它甚至差点被命名为Chat with GPT-3.5，但最终为了简化，才有了今天这个正常的名字。

Mark Chen 甚至还透露在 OpenAI 内部，一半的研究员也不清楚GPT这三个字母的真正含义。

意料之外的传播

OpenAI 最初将 ChatGPT 定位为一个“低调的研究预览版”，因为底层模型 GPT3.5 已经发布了很久，而 ChatGPT 事实上只是增加了用户界面。然而，它的走红速度却远远超过了预期，Nick Turley 在播客中回忆了发布初期的时光：

• • 第一天：怀疑数据仪表盘是否坏了，因为用户量激增
• • 第二天：发现是日本 Reddit 用户发现了这个产品，以为只是在当地流行起来
• • 第三天：意识到它正在像病毒一样传播，但仍认为很快会消退
• • 第四天：最终惊呼：“好吧，它将改变世界！”

Mark Chen 也透露，在 ChatGPT 爆红之前，他父母甚至都没听说过 OpenAI，总让他去 Google 工作。

看起来全世界的父母都一样啊，都只认大公司。

早发发布与挑战

尽管 ChatGPT 的发布取得了巨大的成功，但是它早期的运营并非一帆风顺。由于用户激增，网站经常宕机。Nick Turley 回忆说，它们很快就用完了 GPU、数据库链接，甚至在一些提供商那里遇到了速率限制的问题。

所以，为了应对冬季的假期，他们甚至制作了一个名为“宕机鲸鱼”的页面，用 GPT-3 生成一首小诗，幽默地告诉用户服务暂时不可用，这帮助他们度过了那个假期。

不知道为啥，这个“宕机鲸鱼”让我想到了今年过年时候的 DeepSeek。

OpenAI的产品哲学和迭代

通用性与快速反馈的重要性

Mark Chen 提到 ChatGPT 的巨大需求证明了其“通用性”—— 用户意识到他们可以把任何问题都丢给 ChatGPT 进行处理。

OpenAI 的产品开发哲学是“让模型与世界接触”，强调用户反馈是产品构建和安全的重要组成部分。Nick Turley 认为，他们从发布 AI 模型更像发布“硬件”产品（极少更新，必须正确）转变为更像发布“软件”产品（频繁更新，降低风险，增加经验主义）。

“谄媚”事件与模型校准

播客中提到了模型变得“谄媚”的问题，也就是大家经常会遇到的模型没事就夸夸你，说你真棒。

Mark Chen 解释说，因为使用强化学习来让模型学习用户的反馈，如果处理不当，模型就会更加倾向于生成更多“点赞”的回复，从而变得谄媚。

尽管只有部分用户注意到了这个问题，但是 OpenAI 仍然迅速而且严肃地处理了这个问题。

中立性与透明度

Mark Chen 认为模型默认行为模式应该保持中立，不反映政治或其他方面的偏见，但是同时，要允许你用户在一定范围内调整模型，使其偏向特定的价值观（比如回答更保守，或者回答更自由）。

Nick Turley 也补充说，透明度非常重要。OpenAI 尝试公布其“规范”，让大家了解到模型的行为准则，以便在出现问题时，能够批评或提出改进建议。在处理用户“不正确的观点”时，模型倾向于跟用户合作，共同找出真相，而不是直接驳斥。

图像生成与代码工具的突破：从娱乐到实用

图像生成的“迷你 ChatGPT 时刻”

Nick Turley 认为 Dall-E 3 是图像生成领域的一个“迷你 ChatGPT”时刻。当模型能够直接生成完美且符合提示的图像时，会产生巨大的价值。比如，他发现很多用户用 Dall-E 3 的图像生成能力进行家居设计、幻灯片插图设计等。

安全策略的演进

OpenAI 在图像生成方面的安全策略也经历了巨大的转变。

早期，他们对模型进行了较大的限制。比如不许生成知名人物。Nick 也表示，虽然基于安全考虑，但是他们最终还是倾向于“自由”而非“禁止”。因为他们发现，过多的限制会阻碍许多有价值的正面用例。他强调，在某些“非常非常糟糕”的 AI 安全问题上，采用最坏情况考虑是必要的，但是对于其他风险较低领域，过度保守的决策会阻碍创新。

确实可以从 GPT-4o 这一波的图像生成来看到 OpenAI 的安全策略改变，网络上大量充斥着吉卜力等各种风格的图片创新

代理式编程与代码的未来

ChatGPT 在代码生成方面的能力早期就已展现，这促使 OpenAI 训练了代码模型 Codex。

Mark 解释了Agentic Coding 的概念：得益于模型能力的增强。现在它们可以接收更加复杂的任务，在后台进行思考、推理，并且在一段时间内返回最佳答案。

他认为这一定是未来的方向，模型能够处理更重的工作，如新功能的开发或者重大 bug 的修复。

Nick 也谈到，这种 Agentic 的范式，会带来重大变革，大大地提高工程师的生产力。

未来人才与应用：好奇心、主动性与终身学习

OpenAI的人才观

Nick 在招聘中将“好奇心”视为最重要的品质。Mark 也同意了这个观点，AI 领域的经验和博士学位不再是必需品，因为这个领域变化的太快，人们可以很快掌握。

此外，“主动性”和“适应性”也是 OpenAI 重视的品质，员工需要主动发现问题，并解决，快速适应变化的环境。

事实上，作为 OpenAI 的首席研究管的 Mark，也没有博士学位

AI与就业：赋能而非取代

面对 AI 对就业的担忧，Mark 认为人们应该“真正投入使用技术”，并且看到它如何“增强自身能力”，提高生产力。他相信 AI 将主要帮助那些不具备高级专业技能的人群，例如在医疗领域，AI 将赋能缺乏医疗资源的人群。Nick 也同样指出，AI 其实不会取代医生，而是会“取代不去看医生”的情况，让更多的人获得第二意见，或将医疗服务带到不发达的地区。

如何适应未来？

Nick 给出了建议：

• • 亲身体验 AI：实际上，使用 AI 是最好的了解方式，可以消除对 AI 的恐惧和误解。
• • 学习委派：重点在于理解自身问题，并学会如何将任务派给 AI 跟你协作。
• • 保持好奇心与学习能力：询问正确的问题至关重要。最重要的是，要做好学习新事物的准备，因为AI 领域，变化的速度前所未有。

AI的惊喜与未来的展望：推理能力与新交互形态

1. 1. 模型推理能力的崛起

Mark 认为，未来一年半最令人惊讶的将是 AI 模型在推理方面取得的进步。他解释说，目前模型已经可以像人一样，通过思考，进行规划、回溯、验证来解决复杂问题。这种能力正在推动数学、科学和编码领域的进步。未来这一方面将会持续发展

1. 2. AI 交互的新形态
   Nick 预测，任何“受智力限制”的问题都将被 AI 解决。在用户侧，AI 将不仅仅是聊天机器人，而是会演变为能够处理“异步工作流”的形态。这意味着用户可以将任务发出去，然后 AI 在后台花费数小时甚至数天来完成。

比如现在的 DeepResearch 或者 Cursor 的 Backend Agent， 已经渐渐展现这方面的雏形了

1. 3. 挑战与进步并存

Mark 表示，技术创新和工程上的挑战永远都会存在，每次规模的扩大都会带来新的挑战和机遇。Nick 也认为，将智能模型整合到实际世界环境中也充满了难以预测但有价值的挑战。

小技巧分享

播客的最后，Mark 和 Nick 分别分享了他们最喜欢的 ChatGPT 技巧：

• • Mark 喜欢 Deep Research 功能。在会见新朋友或与人讨论 AI 之前，他会用模型预先了解相关话题，帮助自己更好地理解对方和找到共同的兴趣点。
• • Nick 则热衷于使用“语音模式”。他发现通过口头表达来整理思绪，规划任务非常有效，因为有时文字表达会很困难。他会在上班路上使用语音模式，抵达时通常能得到一个结构清晰的待办事项清单。